Mesures de corrélation pour des images couleur

Mesures de corrélation pour des images couleur

Correlation measures for color images

Sylvie Chambon Alain Crouzil 

Institut de Recherche en Informatique de Toulouse, Université Paul Sabatier, 118, route de Narbonne, 31062 Toulouse Cedex 4

Corresponding Author Email: 
chambon@irit.fr
Page: 
635-659
|
Received: 
15 June 2004
|
Accepted: 
N/A
|
Published: 
31 October 2004
| Citation

OPEN ACCESS

Abstract: 

Matching is a difficult task in stereoscopic reconstruction. The present paper deals with dense correlation-based matching. Few papers mention the use of color for dense correlation-based matching but those have shown the increase of efficiency with color images. Consequently, the purpose of this paper is to take into account color in dense correlation-based matching. The main novelty of our work is to set up a protocol that generalizes dense correlation-based matching to color by choosing a color system and by generalizing the correlation measures to color. Nine color systems have been evaluated and three different methods have been compared. The evaluation and comparison protocol we have proposed highlights the behavior of the methods with each color system. The results show what to do in order to take into account color and how using color can improve the efficiency.

Résumé

Une des manières de réaliser la mise en correspondance, tâche cruciale dans tout algorithme de reconstruction stéréoscopique, est d'utiliser une mesure de corrélation. Habituellement, seules des images de niveaux de gris sont prises en compte et peu de travaux utilisent la couleur pour la mise en correspondance dense par corrélation, mais ceux-ci ont mis en évidence un gain de performance. Cet article s'inscrit dans la continuité de ces travaux. Sa contribution principale est l'établissement d'une stratégie de généralisation à la couleur de la mise en correspondance par corrélation. Cette généralisation passe par le choix d'un système de représentation de la couleur et par l'adaptation des mesures de corrélation à la couleur. Neuf systèmes différents, parmi les plus utilisés, sont testés et trois méthodes de généralisation différentes sont proposées. Nous avons mis en place un protocole d'évaluation et de comparaison pour étudier le comportement de chacune de ces méthodes, suivant chaque système de couleur. Les résultats obtenus mettent en évidence les choix à faire effectuer pour prendre en compte les images couleur ainsi que le gain de performance obtenu par rapport à l'utilisation des images en niveaux de gris.

Keywords: 

Color images, color spaces, matching, correlation, occlusions

Mots clés

Images couleur, espaces couleur, mise en correspondance, corrélation, occultations

1. Introduction
2. Systèmes De Représentation De La Couleur
3. Mise En Correspondance
4. Généralisation Couleur
5. Protocole D'évaluation Et De Comparaison
6. Résultats Expérimentaux
7. Conclusion
8. Annexe
  References

[AG92] P. ASCHWANDEN et W. GUGGENBÜL, Experimental results from a comparative study on correlation type registration algorithms. Dans Förstner et Ruwiedel, éditeurs, Robust computer vision: Quality of Vision Algorithms, p. 268-282. Wichmann, Karlsruhe, Allemagne, mars 1992.

[BB97] J.P. BRAQUELAIRE et L. BRUN, «Comparison and optimization of methods of color image quantization ». IEEE Transactions on Image Processing, 6(7):1048-1052, juillet 1997.

[BBH03] M.Z. BROWN, D. BURSCHKA et G.D. HAGER, «Advances in Computational Stereo». IEEE Transactions on Pattern Analysis and Machine Intelligence, 25(8):993-1008, août 2003.

[BCP00] T. BELLI, M. CORD et S. PHILIPP-FOLIGUET, «Colour contribution for stereo image matching». Dans International Conference on Color in Graphics and Image Processing, p. 317-322, Saint-Étienne, France, octobre 2000.

[BN98] D.N. BHAT et S.K. NAYAR, «Ordinal Measures for Image Correspondence». IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(4):415-423, avril 1998.

[Bru96] L. BRUN, « Segmentation d'image à base topologique ». Thèse de doctorat, Université Bordeaux I, France, décembre 1996.

[Car95] T. CARRON, «Segmentation d'images couleur dans la base Teinte Luminance Saturation: approche numérique et symbolique». Thèse de doctorat, Université de la Savoie, France, décembre 1995.

[CC03] S. CHAMBON et A. CROUZIL, « Dense matching using correlation: new measures that are robust near occlusions». Dans British Machine Vision Conference, volume 1, p. 143-152, Norwich, Royaume-Uni, septembre 2003.

[CH03] S.-C. CHENG et S.-C. HSIA, «Fast algorithms for color image processing by principal component analysis.» Journal of Visual Communication and Image Representation, 14(2):184-203, juin 2003.

[Cha98] J. CHANUSSOT, « Approches vectorielles ou marginales pour le traitement d'images multicomposantes ». Thèse de doctorat, Université de la Savoie, France, novembre 1998.

[Cha01] M. CHAMBAH, « Analyse et traitement de données chromatiques d'images numérisées à haute résolution. Application à la restauration numérique des couleurs des films cinématographiques ». Thèse de doctorat, Université de La Rochelle, France, décembre 2001.

[Cie86] CIE 15.2, «Colorimetry, Second edition». Rapport Technique, Commission Internationale de l'Éclairage, Vienne, Autriche, 1986.

[CMC96] A. CROUZIL, L. MASSIP-PAILHES et S. CASTAN, «A New Correlation Criterion Based on Gradient Fields Similarity ». Dans International Conference on Pattern Recognition, volume 1, p. 662-636, Vienne, Autriche, août 1996.

[Cox95] G.S. COX, «Template Matching and Measures of Match in Image Processing». Rapport Technique, Université de Cape Town, Afrique du Sud, juillet 1995.

[Cro97] A. CROUZIL, «Perception du relief et du mouvement par analyse d'une séquence stéréoscopique d'images ». Thèse de doctorat, Université Paul Sabatier, Toulouse, France, septembre 1997.

[DR01] J. DELON et B. ROUGÉ, «Le phénomène d'adhérence en stéréoscopie dépend du critère de corrélation». Dans GRETSI, Actes du 18e Colloque GRETSI sur le Traitement du Signal et des Images, Toulouse, France, septembre 2001.

[Fau79] O.D. FAUGERAS, «Digital Color Image Processing Within the Framework of a Human Visual Model ». IEEE Transactions on Acoustics, Speech and Signal Processing, 27(4):380-393, août 1979.

[GBC81] C. GARBAY, F. BRUGAL et C. CHOQUET, «Application of Colored Image Analysis to Bone Marrow Cell Recognition». Analytical and Quantitative Cytology, 3(4):272-280, juillet 1981.

[GBC01] R. GARCIA, X. CUFI et J. BATLE, «Detection of Matching in a Sequence of Underwater Images through Texture Analysis». Dans IEEE International Conference on Image Processing, volume 1, p. 361-364, Salonique, Grèce, octobre 2001.

[Gia00] A. GIACHETTI, «Matching techniques to compute image motion ». International Journal of Image and Vision Computing, 18(3):245-258, février 2000.

[Han03] A. HANBURY, « A 3D-Polar Coordinate Colour Representation Well Adapted to Image Analysis ». Dans Scandinavian Conference on Image Analysis, p. 804-811, Göteborg, Suède, juin 2003.

[Har99] J.Y. HARDEBERG, « Acquisition and reproduction of colour images: colorimetric and multispectral approaches ». Thèse de doctorat, École Nationale Supérieure des Télécommunications, Paris, France, janvier 1999.

[HC03] M.E. HANSEN et J.M. CARSTENSEN, «Color-Based Image Retrievial from High-Similarity Image Databases ». Dans Scandinavian Conference on Image Analysis, p. 1098-1105, Göteborg, Suède, juin 2003.

[Hub81] P.J. HUBER, « Robust statistics», Chapitre 8, p. 204-205, John Wiley & Sons, New-York, États-Unis, 1981.

[Kos93] A. KOSCHAN, « Dense Stereo Correspondence Using Polychromatic Block Matching». Dans Computer Analysis of Images and Patterns, volume 719, p. 538-542, Budapest, Hongrie, septembre 1993.

[Kos96] A. KOSCHAN, «Using percepual attributes to obtain dense depth maps». Dans IEEE Southwest Symposium on Image Analysis ans Interpretation, p. 155-159, San Antonio, Texas, avril 1996.

[KSI03] S. KANEKO, Y. SATOH et S. IGARASHI, «Using selective correlation coefficient for robust image registration». Pattern Recognition, 36(5):11165-1173, mai 2003.

[Lam02] P. LAMBERT, «Études méthodologiques du filtrage et de la segmentation d'images multicomposantes». Habilitation à diriger des recherches, Université de la Savoie, France, juillet 2002.

[Lan97] Z.D. LAN, «Méthodes robustes en vision: application aux appariements visuels ». Thèse de doctorat, Institut National Polytechnique de Grenoble, France, mai 1997.

[LC91] H.-C. LEE et D.R. COK, «Detecting Boundaries in a Vector Field». IEEE Transactions on Signal Processing, 39(5):1181-1194, mai 1991.

[Lev85] M.D. LEVINE, Vision in man and machine. McGraw-Hill Book Company, 1985.

[May03] H. MAYER, «Analysis of Means to Improve Cooperative Disparity Estimation ». Dans ISPRS Conference on Photogrammetric Image Analysis, Université de Munich, Allemagne, septembre 2003.

[OKS80] Y.-I. OHTA, T. KANADE et T. SAKAI, «Color Information for Region Segmentation». Computer Graphics and Image Processing, 13(3):222-241, juillet 1980.

[OT92] M. OKUTOMI et G. TOMITA, «Color Stereo Matching and Its Application to 3-D Measurement of Optic Nerve Head». Dans International Conference on Pattern Recognition, volume 1, p. 509-513, La Haye, Hollande, septembre 1992.

[Pra78] W.K. PRATT, « Digital image processing », Chapitre 20, p. 666-667. Wiley-Interscience Publication, 1978.

[RAMT01] M. RIZZA, D. ABOUTAJDINE, L. MORIN et A. TAMTAOUI, «Schéma multirésolution d'estimation d'un champ de disparités dense sous contrainte épipolaire pour les images bruitées». Dans GRETSI, Toulouse, France, septembre 2001.

[RL87] P.J. ROUSSEEUW et A.M. LEROY, Robust regression and outlier detection. J. Wiley & Sons, New-York, États-Unis, 1987.

[RPTB01] Y. RUBNER, J. PUZICHA, C. TOMASI et J.M. BUHMANN, «Empirical Evaluation of Dissimilarity Measures for Color and Texture». Computer Vision and Image Understanding, 84(1):25-43, octobre 2001.

[RV02] P.J. ROUSSEEUW et S. VERBOVEN, «Robust estimation in very small samples ». Computational Statistics and Data Analysis, 40(4):741-846, octobre 2002.

[SB91] M.J. SWAIN et D.H. BALLARD, « Color Indexing ». International Journal of Computer Vision, 7(1):11-32, novembre 1991.

[SC92] J. SHEN et S. CASTAN, «An optimal operator for step edge detection». Computer Vision, Graphics and Image Processing, 54(2):112-133, mars 1992.

[SS02] D. SCHARSTEIN et R. SZELISKI, «A Taxomomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms ». International Journal of Computer Vision, 47(1):7-42, avril 2002.

[SS03] D. SCHARSTEIN et R. SZELISKI, « High-Accuracy Stereo Depth Maps Using Structured Light». Dans Computer Vision and Pattern Recognition, volume 1, p. 195-202, Madison, États-Unis, juin 2003.

[TFB04] A. TRÉMEAU, C. FERNANDEZ-MALOIGNE et P. BONTON, éditeurs. Image numérique couleur – De l'acquisition au Traitement. Dunod, janvier 2004.

[TLC03] D.-M. TSAI, C.-T. LIN et J.-F. CHEN, «The evaluation of normalized cross correlations for defect detection». Pattern Recognition Letters, 24(15):2525-2535, novembre 2003.

[UKI01] F. ULLAH, S. KANEKO et S. IGARASHI, «Orientation Code Matching For Robust Object Search». IEICE Transactions on Information and Systems, E-84-D(8):999-1006, mars 2001.

[Van00] N. VANDENBROUCKE, « Segmentation d'images couleur par classification de pixels dans des espaces d'attributs colorimétriques adaptés. Application à l'analyse d'images de football ». Thèse de doctorat, Université des Sciences et technologies de Lille 1, France, décembre 2000.

[ZFD96] I. ZOGHLAMI, O. FAUGERAS et R. DERICHE, «Traitement des occlusions pour la modification d'objet plan dans un séquence d'image». Dans Actes du congrès francophone de Vision par Ordinateur, ORASIS, p. 93-103, Clermond-Ferrand, France, mai 1996.

[Zha95] Z. ZHANG, «Parameter Estimation Techniques: A Tutorial with Application to Conic Fitting». Rapport de recherche RR-2676, Institut National de Recherche en Informatique et en Automatique, octobre 1995.

[ZW94] R. ZABIH et J. WOODFILL, « Non-parametric Local Transforms for Computing Visual Correspondence». Dans European Conference on Computer Vision, p. 151-158, Stockholm, Suède, mai 1994.